추천 시스템이란 무엇입니까?

추천 시스템은 사용자가 시스템에 입력 한 데이터를 기반으로 사용자에게 권장하는 시스템입니다. 사용자가 더 많은 데이터를 제공할수록 그러한 시스템이 더 정확할 수 있습니다. 또한 개별 사용자가 제출 한 데이터는 다른 사용자에게 권장 할 수있는 정보를 생성하여 시스템 전체를 개선하는 데 도움이됩니다. 추천 시스템은 일반적으로 영화 및 텔레비전 리뷰 사이트와 같은 사이트 및 모든 품목을 살펴보면 기능적으로 검색 할 수없는 소매 품목 재고가 많은 사이트에서 볼 수 있습니다.

이러한 시스템은 다양한 방식으로 사용자와 상호 작용할 수 있습니다. 하나는 더 많은 독서, TV 쇼 또는 비디오 게임과 같이 관심이있는 것을 더 많이 찾는 사용자를위한 서비스입니다. 이러한 시스템에서 사용자는 좋아하는 것과 싫어하는 목록을 생성하고 시스템은 사용자가 아직 투표하지 않은 것에 투표하는 방법을 예측하려고합니다. 높은 등급을받은 것으로 생각되면 사용자에게 제안합니다.

잘 설계된 추천 시스템은 실수로부터 배웁니다. 사용자가 Willy Wonka & the Chocolate Factory를 좋아했기 때문에 시스템이 The Sound of Music을 추천 할 수도 있습니다. 사용자는 "좋아요"또는 "싫어요"와 같은 옵션을 선택할 수 있습니다. 사용자가 The Sound of Music을 좋아하지 않으면 시스템은 권장 사항을 생성하는 데 사용되는 알고리즘을 기록하고 세분화 할 수 있습니다. 누적 된 데이터가 많을수록 권장 사항이 더 도움이됩니다.

소매점에서는 추천 시스템을 사용하여 사람들이 충동 구매를하도록 유도합니다. 시스템은 구매 한 품목을 기록하고 관련되고 유용한 품목을 권장합니다. 예를 들어, 카메라를 구매하는 사람에게는 충전기, 카메라 케이스, 필터 및 추가 렌즈를 구매할 것인지 묻는 메시지가 표시 될 수 있습니다. 페미니스트 이론에 관한 책을 구입 한 사람은 그 책을 구입 한 다른 구매자들도 다른 관련 책을 좋아한다고 말할 수 있습니다. 이러한 유형의 추천 시스템은 사용자에게 호소 할 수있는 개인화 된 마케팅을 허용합니다.

이 시스템은 데이터를 공동으로 필터링하여 수많은 사용자의 데이터를 의미있는 방식으로 구성합니다. 이렇게하면 사이트에서 명확하지 않은 연결을 만들어 권장 사항의 품질을 향상시킬 수 있습니다. 참여하지 않으려는 사용자는 일반적으로 사용자 설정에서 옵션을 변경할 수 있지만 시스템은 개인의 선호도에서 배울 수없고 다른 사용자의 집단적 의견만으로는받을 수 있으므로 권장되는 품질을 떨어 뜨립니다.